基于Ghostnet和ECA的实时行人检测算法研究
Research on Real-time Pedestrian Detection Algorithm based on Ghostnet and ECA
程清扬 1王力超 2董家辉 1尚永健1
作者信息
- 1. 安徽工程大学 电气工程学院,安徽 芜湖 241000
- 2. 安徽工程大学 电气工程学院,安徽 芜湖 241000;安徽工程大学 教育部高端设备高级感知与智能控制重点实验室,安徽 芜湖 241000
- 折叠
摘要
提出一种基于 GhostNet 和ECA的实时行人检测算法——Little-YOLOv4 神经网络算法.Little-YOLOv4 神经网络算法在图像预处理阶段使用Mosaic 数据增强方法,丰富检测数据集,提升模型的鲁棒性;使用轻量级的GhostNet 取代CSPDarkNet53 特征提取网络,降低模型运算量和参数量;在网络中引入ECANet,有效捕获跨通道交互,只涉及少量的参数就能达到很好的效果.实验结果表明,Little-YOLOv4 神经网络算法在准确性以及速度上有一定提升.
Abstract
A real-time pedestrian detection algorithm based on GhostNet and ECA--Little-YOLOv4 neural network algorithm is proposed.Little-YOLOv4 neural network algorithm uses Mosaic data enhancement method in the image preprocessing stage to enrich the detection data set and improve the robustness of the model.Lightweight GhostNet is used to replace CSPDarkNet53 feature extraction network,which reduces the computation and parameters of the model;Introducing ECANet into the network can effectively capture cross-channel interaction,and only a few parameters are involved to achieve good results.The experimental results show that the Little-YOLOv4 neural network algorithm has a certain improvement in accuracy and speed.
关键词
深度学习/目标检测/机器视觉Key words
deep learning/object detection/machine vision引用本文复制引用
基金项目
安徽省自然科学基金(1808085QE169)
安徽省高等学校自然科学研究项目(KJ2021A0507)
安徽省检测技术与节能装置重点实验室开放研究项目(JCKJ2021A09)
出版年
2024
国家科技期刊平台
NSTL
万方数据